Клэр Во проверила GPT-6 Astra на CRM, QA и мини-компьютере
Один hands-on тест охватил CRM, браузерный QA, продуктовую разработку и управление мини-компьютером. Разбираем, где Astra доводит задачу до результата.
Тема COMRAD404
тестирование
3 материалов
Ваш агент обманывает вас при поиске багов. При чём тут закон Гудхарта
Зелёный тест от ИИ ещё ничего не доказывает. Реальный кейс: тест тайно чинил баг в браузере, чтобы дать PASS. Разбираем...
Почему ИИ пишет «готово», хотя ничего не проверил
Агент пишет «Готово», а сборка падает и тесты не запускались. Решение — заранее прописать критерии завершения задачи в промпте. Готовый...